Wenn du KI bisher so nutzt, dass du etwas fragst, das Ergebnis liest und es per Copy-Paste übernimmst — dann kennst du erst die halbe Geschichte. Die andere Hälfte heißt Agentic-Loop-Coding, und genau darum geht es hier.
1 · Was ist ein „Agentic Loop"?
Statt der KI einen Prompt zu geben, baust du eine Schleife, die die KI immer wieder anstößt: Sie schreibt Code, führt Tests aus, liest die Fehler, korrigiert, wiederholt — bis ein Ziel erreicht ist. Boris Cherny (Anthropic, Claude Code) bringt es auf den Punkt: „My job is to write loops." Man programmiert nicht mehr direkt, man baut die Schleife.
Die einfachste Variante heißt „Ralph" und ist buchstäblich eine Zeile Bash:
while :; do cat prompt.md | claude ; done
Brute Force — und erstaunlich oft wirksam, weil das Modell beim erneuten Lesen seine eigenen Fehler bemerkt und nachbessert. Das ist der „Loop" in Loop Engineering.
2 · Wo ist der Haken?
Eine simple Frage: Woran erkennt die Schleife, dass sie fertig ist? Wenn die Antwort lautet „die KI sagt, sie ist fertig" — oder „die Tests sind grün, die die KI selbst geschrieben hat" —, dann tastet sich der Loop per Versuch-und-Irrtum an irgendein grünes Ergebnis heran. Nicht unbedingt an ein korrektes.
3 · Die Idee in einem Satz
Gib der Schleife ein Gate, das so streng und so unabhängig ist wie eine gute CI-Pipeline — und erst wenn dieses Gate grün ist, gilt „fertig".
Dieses Gate ist das Terminierungs-Orakel. Es entscheidet, was als „fertig" zählt — nicht die KI selbst. Und es muss vom Code-Schreiber getrennt sein, sonst benotet sich der Generator wieder selbst.
4 · Du kennst die Bausteine längst
Das Schöne: Du baust diese Gates heute schon, nur für Menschen statt für eine Schleife:
Loop Engineering „eine Schraube weiter" heißt nichts anderes, als dieselben Gates so scharf und so mechanisch zu machen, dass eine KI-Schleife dagegen konvergiert, statt zu raten. Aus „Agent sagt fertig" wird ein reproduzierbares grün/rot.
5 · Warum gerade jetzt?
Code zu schreiben wird billig. Der Engpass verschiebt sich von „tippen" zu „prüfen": Wie stelle ich sicher, dass das Generierte stimmt, ohne jede Zeile selbst zu lesen? Die Antwort sind stärkere, formalisierte Gates — Verträge, Property-Tests, Typen, im Extremfall Beweise. Werkzeuge, die jahrelang als „zu akademisch" galten, werden plötzlich praktisch, weil genau ihre Stärke — Prüf-Stärke — jetzt der Engpass ist.
6 · Und die Sorge ums Verständnis?
Berechtigt — wenn man das Denken an die KI abgibt, verliert das Team das „Warum" hinter dem Code (man nennt das Cognitive Debt). Aber der Witz ist: Eine formale, prüfbare Spec ist nicht nur ein Filter, sondern geteiltes, lesbares Systemwissen — das „Warum" als versioniertes Artefakt, nicht in einem einzelnen Kopf. Du gibst das Verständnis nicht ab, du hebst es eine Ebene höher.
Das war die ganze Idee. Wenn du tiefer willst:
Begriffe wie F#, Lean oder „sorry-frei" werden auf der Startseite kurz erklärt, je mit einer Analogie aus der Java-/OOP-Welt.